معجم الذكاء الاصطناعي

اختبار MMLU المتعدد

MMLU

اختبار فهم اللغة متعدد المهام والمواضيع.

اختبار GSM8K الرياضي

GSM8K

اختبار لحل مسائل رياضيات متعددة الخطوات.

اختبار ARC التحدي

ARC Benchmark

اختبار مرجعي لقياس قدرات التفكير.

اختبار HellaSwag

HellaSwag

اختبار استكمال الجمل بشكل ذكي وسليم.

اختبار WinoGrande

WinoGrande

اختبار لفهم اللغة العامة والتعرف.

اختبار BigBench

BIG-Bench

مجموعة مهام متنوعة لتقييم قدرات الذكاء الاصطناعي.

تقييم MT-Bench للمحادثات

MT-Bench

تقييم النماذج في المحادثات متعددة الجولات.

ساحة الروبوتات المحادثة

Chatbot Arena

منصة مقارنة النماذج عبر التصويت البشري المباشر.

اختبار SWE-bench

SWE-bench

اختبار حل مشكلات البرمجيات الحقيقية.

اختبار MMMU المتعدد الوسائط

MMMU

اختبار فهم متعدد الوسائط للصور والنصوص.

اختبار GPQA المتخصص

GPQA

اختبار أسئلة متخصصة عالية الصعوبة.

تقييم IFEval للتعليمات

IFEval

تقييم الامتثال لتعليمات المستخدم المحددة.

تقييم AlpacaEval للردود

AlpacaEval

تقييم جودة الردود المولدة من النماذج.

جدول ترتيب نماذج اللغة الكبيرة

LLM Leaderboard

ترتيب النماذج حسب الأداء على اختبارات معيارية.

تشفير SHAP

SHAP Values

قيم Shapley لشرح تنبؤات النموذج.

شرح LIME المحلي

LIME

شرح تنبؤات النموذج بشكل محلي ومبسط.

التصور للانتباه

Attention Visualization

تصور آليات الانتباه لفهم تركيز النموذج.

فحص الطبقات

Probing

فحص ما يتعلمه النموذج في طبقاته المختلفة.

إسناد الميزات

Feature Attribution

إسناد أهمية الميزات المختلفة للتنبؤات.

مسح المفاهيم

Concept Erasure

مسح مفاهيم معينة من النموذج لتغيير سلوكه.

ترقيع التفعيلات

Activation Patching

استبدال التفعيلات لفهم تأثيرها على النتائج.

التفسير الآلي للنماذج

Mechanistic Interpretability

فهم الآليات الداخلية الدقيقة للنماذج العصبية.

تحليل الدوائر الداخلية

Circuit Analysis

تحليل الدوائر الداخلية للنماذج لفهم عملها.

الشفاطات الذاتية الخاملة

Sparse Autoencoders

مشفرات ذاتية خاملة لاستخراج الميزات المخفية.

قابلية تفسير التعلم العميق

Deep Learning Explainability

شرح قرارات التعلم العميق والشبكات العميقة.

الشرح التخيلي

Counterfactual Explanations

شرح ماذا لو تغير الإدخال لنتيجة مختلفة.

الشرح القائم على المفاهيم

Concept-based Explanations

شرح قرارات النموذج بناءً على المفاهيم الدلالية.

مقاييس ضبط الثقة

Calibration Metrics

مقاييس لضبط ثقة النموذج في تنبؤاته.

مقاييس الانحدار المتقدمة

Advanced Regression Metrics

مقاييس متقدمة لتقييم نماذج الانحدار.

مقاييس التجزئة

Segmentation Metrics

مقاييس لتقييم أداء التجزئة الصورية.

مقاييس كشف الأجسام

Detection Metrics

مقاييس لتقييم أداء كشف الأجسام.

اختبار متانة النموذج

Robustness Testing

اختبار متانة النموذج في مواجهة الضوضاء.

تقييم عدالة النموذج

Fairness Evaluation

تقييم عدالة النموذج وخلوه من التحيز.

خط أنابيب تفسير النماذج

Interpretability Pipeline

خط أنابيب شامل لشرح وتفسير النماذج.

الاختبار السلوكي للنماذج

CheckList Testing

اختبار سلوكي شامل لفحص سلوك النماذج.

تقييم ثغرات التعلم الآلي

ML Vulnerability Assessment

تقييم ثغرات نماذج التعلم الآلي الأمنية.

تحليل التحيز النشط

Active Bias Analysis

اكتشاف وقياس التحيزات في النموذج عبر اختبارات نشطة ومنتشرة.

اختيار العتبة

Threshold Selection

اختيار قيمة عتبة يفصل عندها النموذج بين الفئات أو بين الاكتشاف الصحيح والخطأ، ويوازن بين الدقة والاسترجاع وفق هدف المهمة.

أهمية الميزات

Feature Importance

تعيين درجة لكل ميزة تدل على مدى مساهمتها في تنبؤ النموذج، فيُعرف المتغيرات الأكثر تأثيرًا ويُتحقق من سلامة القرار وأسبابه.

النموذج البديل

Surrogate Model

نموذج بسيط قابل للتفسير يُدرَّب على تقليد مخرجات نموذج معقد، فيشرح قرارات الأخير بقواعد مفهومة للإنسان.